Genie 4上线Gemini API:世界模型已开放

浏览:3次阅读
没有评论

Genie 4 已于 2026 年 11 月 19 日上线 Gemini API。官方型号为 models/genie-4,仅付费档开放,可生成 720p、24 帧的实时可操控世界,并同步输出立体声音频。

Genie 4上线Gemini API:世界模型已开放插图
图片来源:Google 官方博客配图(Genie 4 now available through the Gemini API)

发布时间和获取途径

Google 于 2026 年 11 月 19 日宣布,Genie 4 已通过 Gemini API 的 Interactions API(v1beta)和 Google AI Studio 向开发者开放。一天前,该模型刚对符合条件的 Google AI Ultra 用户在 Project Genie 中滚动上线。官方文档写明:Genie 4 只开放付费档,需要付费档 Gemini API 密钥,不提供 Free 档。

开发者可在 Google AI Studio 试用交互画布和入门示例,也可打开 AI Studio Live(model=genie-4) 直接体验。同一时期的 Gemini 文本模型动态,见站内 Gemini 4 Neon 发布说明 。

Genie 4上线Gemini API:世界模型已开放插图1
图片来源:Google 官方博客配图(Project Genie update featuring Genie 4,2026-11-18)

能生成什么样的世界

据 11 月 19 日官方博客,Genie 4 可以从文本提示、一张参考图,或两者结合出发,生成连续的 720p、24 帧世界,并同步输出原生音频,覆盖环境声、音效和角色对白。运行过程中,可用实时键盘控制配合现场文本提示在场景里走动,并改天气、光照、物体或正在发生的事件。官方称,Gemini 的推理能力会用来保持世界状态一致。

官方给出的典型用途包括交互体验原型、空间设计可视化,以及机器人、AI 智能体的训练环境。所有输出都带有不可见的 SynthID 水印。11 月 18 日的 Project Genie 更新还展示了两个官方合作案例:与创意技术人 Will(BLVCKL!GHT)制作的哥特庄园解谜「Villa Giallo」,以及与导演 Anand Gandhi 合作、以蚂蚁视角走进蚁穴的「The Life of Ants」。这些画面说明其表现,并不等于 API 默认就会生成相同界面。

Genie 4上线Gemini API:世界模型已开放插图2
图片来源:Google 官方博客视频截图(Villa Giallo,Project Genie,2026-11-18)
Genie 4上线Gemini API:世界模型已开放插图3
图片来源:Google 官方博客视频截图(The Life of Ants,Project Genie,2026-11-18)

API 规格和调用方式

以下规格摘自 Gemini API 官方型号页(标注最近更新为 2026 年 11 月):型号为 models/genie-4(也接受 genie-4),走 Interactions API 的 v1beta。输入包括 world_setup 文本、可选一张 16:9 参考图,以及 user_action 键盘和镜头控制;输出是 1280×720(16:9、24 fps)的流式视频,并同步 48 kHz 立体声音频(WebSocket 为 16-bit PCM,WebRTC 为 Opus,音频计入视频输出 token)。单次会话最长 120 秒,官方写明视觉连贯性和物体持久性在前 45–90 秒最强。WebRTC 场景下,参考图建议把 JPEG 压到 48 KB 以内,以免超过 64 KB 的 SCTP 数据通道限制。服务区域为美国、西欧和日本;北美、西欧 / 中欧和东亚往返时延低于 150 ms 更合适,更高时延会拖慢操控、也可能掉帧。该型号不支持函数调用、上下文缓存、Batch API 和 Priority 推理。

官方推荐的路径是:在服务端用付费档密钥创建 interaction 并签发单次会话临时令牌;浏览器走 WebRTC,服务端代码可走 WebSocket。先发送 world_setup,再用 WASD、方向键和中途文本引导操控世界。结束时必须调用 complete(),否则计费不一定会停。逐步示例见官方文档 Interactive world generation with Genie 4。本文只转述官方说明,未在本地逐项实测。若要做离线固定时长视频、多轮剪辑或最高到 4K 的上采样,官方建议改用 Gemini Omni 1.2 Flash。

定价和用量限制

据 2026 年 11 月 20 日查阅的 Gemini API 定价页和更新日志,Genie 4 仅付费档计费,单位为美元 / 百万 tokens:输入(文本或参考图)1.50 美元,文本输出 9.00 美元,视频输出(含音频)17.50 美元,不提供上下文缓存。视频按输出 token 计费,每帧 240 个 token,24 fps 下相当于每秒 5,760 个 token;按标准价,官方换算约为每秒 0.10 美元、每分钟约 6.05 美元。实际账单还取决于输入和文本输出 token,应以定价页为准。

用量限制按并发会话和每日请求计算,会话中的 user_action 与中途 input 不单独占用 RPM 或 RPD 配额:Free 档不支持;Tier 1 为 2 路并发、每日 50 次;Tier 2 为 5 路、250 次;Tier 3 为 10 路、1,000 次。

用量档 并发活动会话 每日请求(RPD)
Free 不支持 不支持
Tier 1 2 50
Tier 2 5 250
Tier 3 10 1,000

和 Project Genie、Genie 3 的关系

Genie 4 的研究发布更早。Google DeepMind 在 10 月 27 日介绍了这款世界模型,当时先向可信测试者和早期合作伙伴开放预览,并说明它会结合 Gemini 家族的外观模拟与推理能力,帮助世界保持连贯。11 月 18 日,Project Genie 向合格 Ultra 用户首次提供 Genie 4,同时把 Genie 3 的单次生成由 60 秒延长到最多 3 分钟,并支持世界串联和 360 度全景起步。官方把 Genie 4 作为更高保真度和原生音频的选择,Genie 3 仍可供更长行程使用。Google AI Pro 用户可在同一页面加入候补。这与开发者通过 Gemini API 付费调用,是两条不同路径。

同一周的 Gemini 文本模型方面,11 月 18 日还发布了 Gemini 4 Neon,定位在复杂软件工程和知识工作;接入步骤见 Gemini 4 Neon 接入配置教程 。日常编程的默认选项,也可参考 Gemini 4 Hydrogen 发布说明 。

使用时要注意什么

官方强调结束会话时要调用 complete();只关掉浏览器标签,不一定等于停止计费。单次最长 120 秒,连贯性在前 45–90 秒更强,更适合短程原型。服务目前来自美国、西欧和日本,这些区域之外需要先评估实时操控是否跟得上。官方还指出,Genie 3 和 Genie 4 仍处在前沿研究阶段,镜头延迟、复杂物理交互和长期场景保持等问题仍在改进;输出会加 SynthID 水印。

常见问题

免费档能不能调用 Genie 4?

不能。官方型号页、定价页和更新日志都写明该型号不支持 Free 档。

它和普通视频生成有什么区别?

Genie 4 面向实时、可用键盘和文本操控的交互世界,会话最长 120 秒。若需要离线固定时长视频、多轮剪辑或最高到 4K 的上采样,官方建议使用 Gemini Omni 1.2 Flash。

消费级产品里怎么体验?

符合条件的 Google AI Ultra 用户可从 11 月 18 日起在 Project Genie 中使用 Genie 4;Google AI Pro 用户可在同一页面加入候补。这和开发者走 Gemini API 不是同一条入口。

若要按官方步骤在 Google AI Studio 或 Interactions API 中完成接入,见 Genie 4 接入配置教程 。

信息来源

核实时间:2026-11-20(Asia/Shanghai)。上线范围、规格、价格和限制均据上述官方文档与新闻稿整理,未另行实测。

订阅更新
Genie 4上线Gemini API:世界模型已开放插图10Genie 4上线Gemini API:世界模型已开放插图11微信扫码关注「狠活 AI」
用 RSS 阅读器订阅本站,新教程第一时间收到。RSS 订阅
正文完
 0